Design and development of an electronic circuit for a sensory-feedback lower-limb neuroprosthesis

Introduction Lower Limb Amputation (LLA) is a major problem all around the world affecting 200 thousand new people every year. The main problems that an amputee patient has to deal with in his everyday life are slow and asymmetric walking, increased risk of falls, low embodiment and phantom limb pain and increased metabolic cost. Depending on the level of amputation, it is possible to distinguish between transtibial and transfemoral amputations and the higher the level of amputation the more disabling the condition. However, amputation is not the only pathological condition causing problem in walking due to lack of efficient and natural sensory feedback. Peripheral neuropathy refers to the condition that result when nerves that carry messages to and from the brain and spinal cord from and to the rest of the body are damaged or diseased. This causes tingling and burning pain, ulcers, infections and, most importantly for this project, lack of sensations at the extremities. Diabetes is the major cause of peripheral neuropathy and almost half of the people with diabetes have peripheral neuropathy. What these two pathological conditions have in common is that both amputation and peripheral neuropathy break the sensory communication between the brain and the lower limbs causing balance and walking problems. Very sophisticated lower limb prostheses have been developed to improve the control of the patient on his prosthetic leg and to restore motion function. However, very little research has been conducted in trying to restore sensory function and, among these very few studies, non-invasive approaches have been only developed for transtibial amputation. The MYLEG system from the Neuroengineering Laboratory at ETH Z"urich aims at restoring sensory feedback to transfemoral amputees and diabetic patients using electrical stimulation. In this context, this master thesis project focuses on the design, the development and the testing of an electronic system used to provide patients with both tactile and proprioceptive feedback in real-time to boost the confidence, mobility and agility of the user while performing any type of walking activity. Materials and Methods The final version of MYLEG real-time sensory-feedback device is constituted by 4 parts: 1. sensing: a custom-made sensorized insole measures the force exerted by the subject on his foot and records pressure information; 2. transmission: transmission: two electronic circuits conditions the force sensors, collects data from IMUs to measure knee flexion, samples the data and send it via Bluetooth to a system-controller; 3. encoding: the system-controller itself converts raw data coming from the electronic circuits into stimulation parameters and drives the electrical stimulation; 4. stimulation: stimulation: a portable stimulator provides the stimulation using surface skin electrodes. The readouts of the insole’s force sensors and the angle calculated from IMUs’ data are used to directly drive the electrotactile stimulation on the stump of the amputee or on the impaired foot of a diabetic patient. The algorithm that controls the stimulation is implemented on the system-controller and is written in C++. The intensity of the stimulation is obtained as a linear mapping of the exerted force and the estimated knee angle. Information regarding both the intensity of the pressure applied on the foot sole and the location of this pressure are taken from the sensorized insole and used to drive the stimulator. The fundamental requisites of the device are the light weight and the small size of the electronic circuits, an improved communication between the different parts of the system to avoid disconnections, the ease of reprogrammability of the electronic boards, the possibility to synchronize multiple devices together and an accurate feedback on the proprioception of the knee. These were, in fact, the biggest limitations reported by the operators and/or the end-users while performing experiments with the first version of the MYLEG device. To fulfil these requirements, two electronic circuits for data acquisition and transmission have been designed and developed. The circuit attached to the ankle of the subject consists of a lithium-ion rechargeable battery that provides the input volt- age that, after being regularized, powers all the other components. An analog circuit conditions the signals coming from the insole’s force sensors to obtain a voltage out- put. These analog data are converted into digital signals by the ADC integrated in the microcontroller. An Inertial Measurement Unit (IMU) detects position, linear acceleration and angular rate of the foot and is used to measure the angle described by the shank. All these collected data are sent to the system controller through a Bluetooth module and then used to drive the stimulation. Analysis on the power dissipation of each component has been carried out to prevent overheating and burning of some parts, paying particular attention to their positioning over the PCB layers. In order to obtain a more reliable connection, a latest version Bluetooth module has been integrated. Its higher data rate and lower sensitivity allows for a faster discovery by the system controller and a reduction of the number of packets lost during the communication. In order to provide the subject with an accurate feedback on the proprioception of his knee, another PCB has been designed to be attached over the thigh of the patient. In fact, inertial measurement data can be used to calculate hinge joint angles when at least one IMU is attached to each side of the joint. The circuit of the second board is similar to the one described above but simpler; it just comprises the power line and one IMU. For establishing the communication, the two boards have been equipped with a transceiver which is a device able to both transmit and receive information in the radio frequency spectrum. Data are sent from the box on the thigh to that on the ankle and then all the raw data are sent to the system controller via Bluetooth. The algorithm implemented on the system controller to calculate the knee angle has been developed based on a complementary filter. Data from the accelerometer and the gyroscope of each IMU are used separately to calculate the angle and then combined together. The complementary filter applies a low-pass filter to the accelerometer data since they are affected by a high-frequency noise and a high-pass filter to the gyroscope data to remove the low-frequency drift. The coefficient of the filter has been obtained empirically in order to maximise the accuracy in reproducing the knee angle. Shank and thigh angle are calculated independently and then the knee angle is obtained as the sum of the two. The obtained angle is used to drive a directly proportional stimulation so that a higher flexion of the knee corresponds to a higher intensity of the stimulation. Another priority of the system is the possibility to synchronize multiple devices together. Applying one device on each leg of the patient allows to perform gait analysis in absence of force platforms or 3D motion cameras by comparing the healthy leg with the prosthetic one. Two synchronization methods have been investigated: via cable and wirelessly. The main issues related to synchronization is the clock drift that is the delay that accumulates over time due to the slightly different timing of the microcontrollers of the two systems. To avoid this problem, the former method can be only used when the time of usage of the device is limited so that the drift between the clocks remains negligible; on the other hand, a wireless synchronization can face this problem by sending periodical synchronization packets allowing for a longer usage of the device. However, since at the moment the device utilization is limited to experiments, a synchronization via cable has been adopted. An on-purpose made synchronization cable has been developed and allows to complete the process in less than 30 seconds. However, while performing the validation tests on the device, a non-negligible drift has been measured even during short experiments. This delay has been demonstrated to be linear over time and a technique to quantify the accumulated delay and remove the offset between the collected data has been implemented. Validation The validation of MYLEG system has been performed comparing the estimated angle and force trends to that computed by a 3D motion capture system. Parameters of interest are the time delay to understand if the subject perceives a real-time stimulation, the amplitude accuracy and the trend reliability which represents the capability of the system to accurately reproduce the angle and force trends. This is extremely important since the subject is provided with a stimulation that has the same shape of that of the measured variables. Firstly, a graphical comparison between the output of the original circuit and that of the ankle board of the new MYLEG system allows to demonstrate a reduced time delay and an increased amplitude accuracy and trend reliability of the latter system denoting that considering only one board already improves the joint angle estimate. Subsequently, the real need of the circuit applied to the thigh of the subject has been investigated. In particular, the second IMU plays a fundamental role in some daily-life activities, such as sitting down and standing up, in which the original board provides the subject with a misleading stimulation. Moreover, being able to provide the subject with information about the knee angle instead of just shank oscillations allows to better discriminate between swing phase, in which the knee is bent, and stance phase during which the knee is straight, but the shank moves forwards. In order to assess the accuracy of MYLEG system, data have been collected from one 23-years-old male healthy subject in the GRAIL room at Balgrist University Hospital in Zu ̈rich which is equipped with a treadmill, due force plates and the Vicon Nexus Motion Capture system. The experimental protocol consists of 2 over ground walking tasks, namely level walking at 4 different velocities and inclined walking at 3 different inclinations of the treadmill (ground level, inclined and declined walking). For the analysis, data have been post-processed and the real and estimated trends for angle and force have been extracted. Each full trial has been segmented into steps that have been subsequently superimposed. Each distribution was tested for normality with single sample Kolmogorov-Smirnov goodness-of-fit hypothesis test and, since all distributions were found to be not normal, a Kruskal–Wallis test was performed. Focusing on level ground walking at the subject’s self-selected comfortable speed, an equally distributed amplitude difference of approximately 10 % has been measured over the entire walking cycle; trend reliability has been demonstrated to be significantly higher (p ≪ 0.001) during the swing phase than in the stance and this could be associated to vibration of the boards when the foot hit the treadmill during the heel strike. Considering the force estimation, great accuracy has been demonstrated in predicting the timing of the force peaks. However, higher difference in the ratio between the two peaks has been shown due to the uneven distribution of the force sensors under the foot sole. Comparing the self-selected comfortable speed results to the other tested velocities, a slight percentage increase in the peaks’ amplitude difference has been noticed as the velocity increases while trend reliability over the entire walking cycle shows a significant difference at all 4 velocities. However, this result does not hold any longer if only the swing phase is considered guaranteeing an accuracy of around 80 % at each velocity. Inclined walking analysis brings to similar results to that described above confirming that the joint angle algorithm is able to precisely replicate also patterns that are extremely different from that of the normal ground level walking. A non-significantly different percentage error in the amplitude accuracy has been obtained for all the 3 inclined tasks. Conclusion Two functioning PCBs have been designed, printed, assembled and tested in different scenarios encountering no problems related to the electronics. The main issues associated with the original board has been overcome obtaining a lighter, smaller, faster and longer-lasting device. A fully portable and comfortable design has been achieved allowing for real-time restoration of sensory feedback in different pathological populations. In fact, the implementation of a two-leg simultaneous stimulation system allows to enlarge the target population not only to amputees but also diabetic patients as well as any other pathological condition that causes asymmetric walking and in which, often, both feet and/or legs are involved. In future work, the newly implemented MYLEG device will be tested both with amputees and diabetic patients to evaluate the success of non-invasive sensory restoration. The highly promising results described above not only confirms the capability of MYLEG system to provide accurately and in real-time sensory feedback to the patient but also gives the possibility to use MYLEG device for clinical monitoring and data collection during everyday life activities. In particular, the possibility to compare joint angle trends and force distributions over both legs provides an accurate method for evaluating subject’s walking pattern, discovering abnormalities and asymmetries and keeping track of improvements or onset of walking-related issues over time.

Introduzione Ogni anno nel mondo 200 mila persone si sottopongono ad amputazione degli arti inferiori. Il 54 % delle amputazioni è causato da malattie vascolari e il 45 % da traumi. I principali problemi che un paziente amputato deve affrontare nella sua vita quotidiana sono: deambulazione lenta e asimmetrica, aumento del rischio di cadute, low embodiment, phantom limb pain e aumento del consumo metabolico. A seconda del livello di amputazione, è possibile distinguere tra amputazione transtibiale e transfemorale e ad un maggior livello di amputazione corrisponde una condizione maggiormente disabilitante. L’amputazione, tuttavia, non è l’unica condizione patologica che causa problemi nel camminare a causa della mancanza di un feedback sensoriale efficiente e naturale. Neuropatia periferica si riferisce alla condizione che si verifica quando i nervi che trasportano l’informazione dal cervello e dal midollo spinale verso il resto del corpo e viceversa sono danneggiati. Ciò causa formicolio e bruciore, ulcere, infezioni e, aspetto più importante per questo progetto, mancanza di sensazioni alle estremità. Il diabete è la principale causa di neuropatia periferica e quasi la metà delle persone con diabete ne soffre. Oltre ad essere condizioni estremamente invalidanti per il paziente, diabete e amputa- zione hanno un enorme impatto sull’economia di ciascun paese. Ciò che accomuna queste due condizioni patologiche è l’interruzione della comunicazione sensoriale tra il cervello e gli arti inferiori causando problemi di equilibrio e deambulazione. Protesi molto sofisticate sono state sviluppate per migliorare il controllo del paziente sulla propria gamba protesica e per ripristinarne la funzione motori. Tuttavia, pochissime ricerche sono state condotte nel tentativo di ripristinare la funzione sensoriale e, tra questi pochissimi studi, approcci non invasivi sono stati sviluppati solo per amputazione transtibiale. Il sistema MYLEG del Laboratorio di Neuroingegneria dell'ETH di Zurigo mira a ripristinare il feedback sensoriale ad amputati transfemorali e a pazienti diabetici mediante stimolazione elettrica. In tale contesto, questo progetto di tesi si concentra sulla progettazione, lo sviluppo e la validazione di un sistema elettronico utilizzato per fornire ai pazienti un feedback sia tattile che propriocettivo in tempo reale per aumentare la fiducia, la mobilità e l'agilità dell'utente durante l'esecuzione di qualsiasi tipo di attività motoria. Materiali e metodi La versione definitiva del dispositivo per sensory-feedback MYLEG comprende 4 parti: 1. rilevamento: una soletta sensorizzata misura la forza esercitata dal soggetto sul piede e registrare informazioni di pressione; 2. trasmissione: trasmissione: due circuiti elettronici condizionano i sensori di forza, raccolgono dati da due IMU per misurare la flessione del ginocchio, campionano i dati e li inviano tramite Bluetooth ad una scheda di sviluppo; 3. codifica: la scheda di sviluppo stessa converte i dati provenienti dai circuiti elettronici in parametri di stimolazione e guida la stimolazione elettrica; 4. stimolazione: uno stimolatore portatile fornisce la stimolazione utilizzando elettrodi superficiali. La lettura dei sensori di forza della soletta e l'angolo calcolato con i dati degli IMU vengono utilizzati per guidare la stimolazione elettrotattile sul moncone dell'amputato o sul piede di un paziente diabetico. L'algoritmo che controlla la stimolazione è implementato sulla scheda di sviluppo ed è scritto in C ++. L'intensità della stimolazione è ottenuta come una mappatura lineare della forza esercitata sulla soletta e della stima dell'angolo del ginocchio. Informazioni riguardanti sia l'intensità che la posizione della pressione vengono prese in considerazione per controllare lo stimolatore. Requisiti fondamentali del progetto sono la leggerezza e le ridotte dimensioni dei circuiti, una migliore comunicazione tra le diverse parti del sistema per evitare disconnessioni, la facilità di riprogrammazione delle schede elettroniche, la possibilità di sincronizzare più dispositivi insieme e la restituzione di un feedback accurato sulla flessione del ginocchio. Rappresentano queste, infatti, le maggiori limitazioni riportate da operatori e/o utenti durante gli esperimenti eseguiti con la prima versione del sistema MYLEG. Per soddisfare tali requisiti, due circuiti elettronici per l'acquisizione e la trasmissione dei dati sono stati progettati e sviluppati. Il circuito attaccato alla caviglia del paziente è costituito da una batteria agli ioni di litio ricaricabile che fornisce la tensione di ingresso che, dopo essere stata regolarizzata, alimenta tutti gli altri componenti. Un circuito analogico condiziona i segnali provenienti dai sensori di forza della soletta per ottenere una tensione in uscita. Questi dati analogici vengono convertiti in segnali digitali dall’ADC integrato nel microcontrollore. Un’unità di misura inerziale (IMU) rileva la posizione, l’accelerazione lineare e la velocità angolare del piede e viene utilizzata per misurare l’angolo descritto dalla gamba. Tutti i dati raccolti vengono inviati alla scheda di sviluppo tramite un modulo Bluetooth e quindi utilizzati per controllare la stimolazione. Un’analisi sulla dissipazione di potenza di ciascun componente è stata eseguita per evitare il surriscaldamento di alcune parti, prestando particolare attenzione al loro posizionamento su entrambi i lati della PCB. Per ottenere una connessione più affidabile, un modulo Bluetooth di ultima generazione è stato introdotto. La maggiore velocità di trasmissione dei dati consente una più rapida connessione con la scheda di sviluppo e una riduzione del numero di pacchetti persi durante la comunicazione. Per fornire al soggetto un feedback più accurato sulla propriocezione del ginocchio, un’altra PCB da applicare sulla coscia del paziente è stata progettata. Infatti, i dati raccolti da sensori inerziali possono essere utilizzati per calcolare l’angolo del ginocchio quando almeno una IMU è attaccata a ciascun lato dell’articolazione. Il circuito della seconda scheda è simile a quello sopra descritto ma più semplice, comprendendo solamente la linea di alimentazione e una IMU. Per stabilire la comunicazione, i due circuiti sono stati dotati di un ricetrasmettitore, ovvero un dispositivo in grado sia di trasmettere che di ricevere informazioni nello spettro delle radiofrequenze. I dati vengono trasmessi dalla scatola sulla coscia a quella sulla caviglia e successivamente inviati alla scheda di sviluppo tramite Bluetooth. L’algoritmo implementato per calcolare l’angolo del ginocchio è stato sviluppato sulla base di un filtro complementare. I dati dell’accelerometro e del giroscopio di ciascuna IMU vengono utilizzati separata- mente per calcolare l’angolo e quindi combinati insieme successivamente. I dati dell’accelerometro sono processati con un filtro passa-basso poiché influenzati da rumore ad alta frequenza mentre quelli del giroscopio utilizzano un filtro passa-alto per rimuovere l’errore a bassa frequenza. Il coefficiente del filtro è stato ottenuto empiricamente al fine di massimizzare l’accuratezza nella stima dell’angolo del ginocchio. Gli angoli della gamba e della coscia vengono calcolati indipendentemente e successivamente sommati per ottenne l’angolo del ginocchio. L’angolo così ottenuto viene utilizzato per generare una stimolazione direttamente proporzionale in modo che una maggiore flessione del ginocchio corrisponda ad una maggiore intensità della stimolazione. Un’altra priorità del sistema è la possibilità di sincronizzare più dispositivi insieme. Il posizionamento di un dispositivo su ciascuna gamba del paziente consente di eseguire l’analisi del cammino anche in assenza di piattaforme di forza o sistemi 3D di acquisizione del movimento, confrontando l’andamento della gamba sana con quella protesica. Due metodi differenti di sincronizzazione sono stati valutati: via cavo e wireless. La principale problematica legata alla sincronizzazione è rappresentata dal ritardo accumulato nel tempo a causa della temporizzazione leggermente diversa dei microcontrollori dei due sistemi. Per questo motivo, il primo metodo può essere impiegato solo quando il tempo di utilizzo del dispositivo è limitato, in modo tale che l’errore accumulato tra i clock rimanga trascurabile, mentre una sincronizzazione wireless è in grado di affrontare questo problema inviando pacchetti di sincronizzazione periodici che permettono l’utilizzo del dispositivo per un tempo maggiore. Tuttavia, poiché al momento l’utilizzo del dispositivo è limitato alla fase sperimentale, una sincronizza- zione via cavo è stata adottata. Un cavo di sincronizzazione è stato appositamente realizzato per consentire di completare il processo in meno di 30 secondi. Tuttavia, durante l’esecuzione dei test di validazione sul dispositivo, un offset non trascurabile tra i due microcontrollori è stato misurato anche durante brevi esperimenti. Questo ritardo può, tuttavia, essere considerato lineare nel tempo ed una tecnica per quantificare il ritardo accumulato e rimuovere l’offset tra i dati raccolti è stata implementata. Validazione La validazione del sistema MYLEG è stata eseguita confrontando l’angolo e l’andamento della forza stimati dal dispositivo con quello calcolato da un sistema 3D di acquisizione del movimento. I parametri di interesse, presi in considerazione durante l’analisi dei tracciati, sono il ritardo temporale per capire se il soggetto è in grado di percepire una stimolazione in tempo reale, l’accuratezza nel replicare l’ampiezza delle curve reali e l’affidabilità del trend che rappresenta la capacità del sistema di riprodurre accuratamente l’andamento dell’angolo e della forza. Ciò è estremamente importante poiché il soggetto viene fornito con una stimolazione che ha la stessa forma di quella delle variabili misurate. In primo luogo, un confronto grafico dei dati collezionati della scheda inferiore del nuovo sistema MYLEG con quelli del circuito originale dimostra una riduzione del ritardo e una maggiore accuratezza dell’ ampiezza e dell’affidabilità del trend permettendo di affermare che, anche considerando un solo circuito, la stima dell’angolo articolare risulta migliorata. Successivamente, la reale necessità del circuito applicato sulla coscia del soggetto è stata indagata. In particolare, la seconda IMU svolge un ruolo fondamentale in alcune attività della vita quotidiana, come alzarsi e sedersi, in cui il circuito originale fornisce al soggetto una stimolazione fuorviante. Inoltre, essere in grado di fornire al soggetto informazioni sull’angolo del ginocchio anziché solo sulle oscillazioni della gamba consente di discriminare meglio tra fase di swing, in cui il ginocchio è piegato, e fase di stance (appoggio) durante la quale il ginocchio è teso ma la gamba si muove in avanti. Per valutare l’accuratezza dell’intero sistema MYLEG, un soggetto sano di sesso maschile di 23 anni è stato sottoposto ad una serie di esperimenti nella stanza GRAIL del Balgrist University Hospital di Zurigo, la quale è dotata di un tapis roulant, due piattaforme di forza e il sistema Vicon Nexus per l’acquisizione del movimento. Il protocollo sperimentale richiede al soggetto di camminare in piano a 4 diverse velocità e successivamente a 3 diverse inclinazioni (piano, salita e discesa). Per l’analisi, i dati sono stati processati e le curve reali e stimate sono state estratte sia per l’angolo che per la forza. I singoli passi sono stati individuati da ciascuna prova e passi alla stessa velocità o inclinazione sono stati successivamente sovrapposti. Ogni distribuzione è stata testata per la normalità con il test di ipotesi di Kolmogorov-Smirnov a campione singolo e, poiché tutte le distribuzioni sono risultate non normali, il test di Kruskal–Wallis è stato eseguito per confrontare le singole prove tra di loro. Concentrandosi sulla camminata in piano alla velocità considerata confortevole dal soggetto, una differenza di ampiezza equamente distribuita sull’intero ciclo di deambulazione di circa il 10 % è stata misurata; inoltre, è stato dimostrato che l’affidabilità del trend è significativamente maggiore (p ≪ 0,001) durante la fase di swing rispetto alla stance e ciò potrebbe essere associato alla vibrazione dei circuiti nel momento in cui il piede colpisce il tapis roulant durante l’heel strike. La stima della forza è caratterizzata da una grande accuratezza nella previsione della tempistica dei picchi di forza. Tuttavia, una maggiore differenza nel rapporto tra i due picchi è stata evidenziata ed è dovuta ad una distribuzione non uniforme dei sensori di forza all’interno della soletta sensorizzata. Confrontando i risultati ottenuti alla velocità selezionata dal paziente con le altre velocità testate, l’errore percentuale nell’approssimazione dell’ampiezza dei picchi aumenta leggermente all’aumentare della velocità mentre l’affidabilità del trend sull’intero ciclo di camminata mostra una differenza significativa a tutte e 4 le velocità. Tuttavia, questo risultato non è più valido se si considera solamente la fase di swing, la quale garantisce una precisione di circa l’80% ad ogni velocità. L’analisi della camminata inclinata ha permesso di ottenere risultati simili a quanto sopra descritto confermando che l’algoritmo utilizzato per il calcolo dell’angolo del ginocchio è in grado di replicare con precisione anche andamenti del cammino estremamente diversi da quello della normale camminata in piano. Per tutti e 3 i trial inclinati, l’errore percentuale nella stima dell’ampiezza non è risultato significativamente differente. Conclusione In conclusione, durante il progetto di tesi, sono state progettate, stampate, assemblate e testate in diversi scenari due PCB senza riscontrare problemi legati all’elettronica. I principali problemi associati alla scheda originale sono stati superati ottenendo un dispositivo più leggero, di dimensioni minori, permettendo una connessione più rapida e veloce e garantendo una maggiore durata della batteria. Il dispositivo è confortevole e facilmente indossabile e consente il ripristino in tempo reale del sensory-feedback in di- verse popolazioni patologiche. Infatti, l’implementazione di un sistema di stimolazione simultanea per entrambe le gambe consente di allargare la popolazione target non solo ad amputati ma anche a pazienti diabetici e, in generale, a qualsiasi altra condizione patologica che causa una deambulazione asimmetrica e in cui, spesso, entrambi i piedi e/o le gambe sono coinvolti. In sviluppi futuri, il nuovo dispositivo MYLEG sarà testato sia con amputati che con pazienti diabetici per valutarne il successo nel ripristino sensoriale con approccio non invasivo. I risultati altamente promettenti sopra descritti non solo confermano la capacità del sistema MYLEG di fornire un sensory-feedback accurato e in tempo reale al paziente, ma introducono anche la possibilità di utilizzare il dispositivo MYLEG per il monitoraggio clinico e la raccolta dati durante attività di vita quotidiana. In particolare, la possibilità di confrontare l’andamento degli angoli articolari e la distribuzione della forza su entrambe le gambe fornisce un metodo accurato per valutare la deambulazione del soggetto, scoprire anomalie e asimmetrie e tenere traccia nel tempo dei miglioramenti o dell’insorgenza di problemi legati al cammino.